Быстрая инструкция от геморроя.
На сайте Davinchi Resolve 19 заявлена, совместимость с Linux. Не то, чтобы это утверждение не было не верным, но... Unsupported GPU.
Загрузить установочный файл можно/нужно с официальной странички Blackmagicdesign
https://www.blackmagicdesign.com/products/davinciresolve
Pop_OS! 22.04, DaVinchi Resolve 19, AMD Radeon
Привет, я Василий Коровин, аналитик в Yandex Infrastructure. Уже три года в команде видеоплатформы я занимаюсь аналитикой нашего плеера. Это тот самый веб‑плеер, который используется для воспроизведения видео на разных сервисах Яндекса (например, на Кинопоиске, Диске, Практикуме и Погоде). А также с этого года он доступен в облачном сервисе для хранения, обработки и трансляции видео Cloud Video.
Мы подробно рассказывали о разработке плеера тут и тут. Сегодня же хочу рассказать, как мы понимаем, нравится или не нравится людям им пользоваться. Для этого нам пригодится аббревиатура QoE — с английского она расшифровывается как «quality of experience», и переводится как «метрика качества восприятия» пользователями нашего сервиса.
Видеотехнологии применяют очень по-разному. Например, знаете ли вы, что компьютерное зрение уже используется в горно-металлургической отрасли для «контроля рудозасорения на конвейере»?
Честно говоря, мы и сами (организаторы конференции VideoTech) больше знакомы с другими видеовопросами. Например, какой кодек нам использовать для онлайн-трансляции.
Но вот для этого мы и проводим конференцию: чтобы самые разные видеоспециалисты могли обменяться опытом. И о кодеках, и о плеерах, и о компьютерном зрении, и об ультранизкой задержке.
Осталась лишь пара недель до VideoTech 2024, её программа полностью готова, и она действительно пёстрая: темы разнятся от «автоматической вертикализации видео» до «технологий телевидения 90-х». Представляем Хабру описания всех докладов.
Приложение Шедеврум начало использовать новую end2end-модель YandexART (Vi). Она позволяет создавать видео по текстовому запросу и учитывает взаимосвязь между кадрами, делая видео более связными, плавными и реалистичными, чем при использовании предыдущей модели. Предыдущее решение было основано на использовании эвристик для добавления движения камеры, где видео создавалось кадр за кадром с применением модели генерации изображений, что приводило к значительным изменениям в содержании каждого кадра.
В этой статье поделимся нашим опытом разработки первых версий end2end-модели YandexART (Vi):
— расскажем, почему изначально выбрали работу в пиксельном пространстве;
— опишем методы инженерных оптимизаций, которые помогли в обучении моделей;
— обсудим проблемы, с которыми столкнулись в процессе разработки, и как их решали;
— в завершение расскажем, почему в итоге решили отказаться от пиксельного пространства в пользу латентного и поделимся нашими планами на будущее.
И так как на Хабре не принято вставлять гифки и видео до ката, примеры новой модели вас ждут под ним.
Недавно я поехал на море с другом. Во время пути мы узнали, что YouTube собираются блокировать (или замедлять). Тут в моей голове родилась идея: почему бы не сделать видеохостинг в Telegram? Я поспорил с другом, что сделаю его по дороге, но ноутбук сел. Поэтому мы договорились, что я сделаю это за день (спойлер: получилось, но кривовато).
Статья для тех, кому интересно как повлияло замедление на блогера, который создает большие(хронометраж) горизонтальные видео. Статья не имеет ценности для YouTube Shorts* каналов развивающиеся с помощь видео вертикальной ориентации. У меня два канала: свой информационный канал на 4300 подписчиков и на поддержке развлекательный канал на 148000 подписчиков.
В моей квартире установлен аналоговый домофон Визит, вызывная панель которого оснащена камерой. Этот домофон не современный, а координатный - аналоговый и ему больше 10 лет.
В статье разбираюсь, что нужно для того, чтобы получать видеопоток с камеры домофона в режиме реального времени в RTSP формат и затем управлять этой камерой в системе видеонаблюдения и умном доме.
Всем привет! Надеюсь, вы сейчас где-нибудь под солнцем наслаждаетесь последними летними деньками, а то скоро в школу холода, опавшие листья, хандра и вот это вот всё.
Но пока вы полны сил и энтузиазма, я Олег Малахов из AGIMA пользуюсь случаем и предлагаю ознакомиться с подборкой свежих новостей этой недели. Погнали!
В этой статье я расскажу, как организовал себе примитивный видеорегистратор, который:
1. Умеет транслировать видео на любые устройства, где есть браузер с поддержкой h264, причем без использования китайских серверов.
2. Вести циклическую запись в формате mp4 и сохранять её удалённо.
3. Стоит меньше 100$.
В Нижнем Новгороде жил и творил известный фотограф Максим Петрович Дмитриев. У горожан и гостей города пользуются большой популярностью выставки его работ, фотоальбомы, открытки. Это потрясающе: разглядывать, узнавать и не узнавать те места, через которые идёшь на работу, на прогулку, едешь на учёбу…
Хочется вглядеться в лица, узнать здания, найти какие-то мелочи (например, деревья), которые так и находятся там, где были в конце XIX века. А ещё хочется увидеть в цвете, но бережно, с любовью к истории. Редкая удача — хорошая колоризация старых фото. Казалось бы, с видео всё ещё сложнее.
Но в Нижнем, к счастью, есть популяризатор истории и по совместительству сотрудник ИТ-кампуса НЕЙМАРК Антон Анисимов. Вот уже несколько лет он ищет и с помощью нейросетей красит старинную черно-белую хронику города. А затем делится ею со всеми желающими в своем паблике Вконтакте.
Ему и слово.
Замена фона стала уже привычной возможностью в видеозвонках. Но сколько работы стоит за тем, чтобы она работала одновременно быстро, качественно и не требовала от пользователя много скачивать?
На нашей конференции I'ML спикеры из SberDevices Дмитрий Балиев и Давид Нурдинов рассказали о том, как занимались этой задачей для сервиса SaluteJazz (ранее известном как SberJazz). А теперь мы для Хабра сделали текстовую версию их доклада. Интересно может быть и тем, кто занимается сегментацией в ML, и тем, кто в целом работает с Computer Vision, и просто тем, кому любопытно узнать «что стоит за кнопкой замены фона».
21 августа команда Yandex Cloud в формате Technical Preview открыла пользователям облака доступ к сервису для хранения, обработки и трансляции видео Cloud Video. Это инфраструктура для работы с видео, которая включает хранилище для контента и метаданных, видеоплеер, сервисы мониторинга и аналитики, CDN, а также возможности автоматической генерации субтитров и перевода. Сервис разработан на базе видеоплатформы Яндекса, которую компания запустила в 2016 году для использования во внутренних продуктах.
Меня зовут Константин Петряев, я разработчик в Yandex Infrastructure, и в команде видеоплатформы я 6 лет занимаюсь разработкой плеера. Моя коллега Оля Попова уже рассказала об истории его создания с нуля. А в этой статье я подробнее расскажу про задачу повышения качества видео в плеере. Остановлюсь на том, как мы боролись с тем, что стандартные прогнозы качества потокового видео всем нам «врут», и как научили плеер выдавать наилучшее возможное качество видео для пользователя, с учётом параметров сети и других менее очевидных вводных.
В первой части, был показан способ генерации видео за счет влияния на текстовый эмбеддинг изменениями от эмбеддингов кадров другого видео через матрицы вращений. Во второй части были показаны первичные подходы и реализации по генерации видео из текста с использованием машинного обучения простой модели Splitter. Задача модели Splitter создавать серию близких текстовых эмбеддингов, которые будут потом использоваться Декодером для генерации близких изображений. В третей части я покажу как улучшал модель Splitter и оценивал.
Вот уже несколько недель я разрабатываю серверную поддержку коротких видео для компании Bluesky.
Основное назначение этой фичи – обеспечивать потоковый показ небольших (максимум 90 секунд) видеороликов. Показ должен быть бесплатным и при этом не слишком накладным для нас.
Чтобы укладываться в эти ограничения, мы попытались использовать сеть доставки видео-контента (CDN), которая могла бы нести основное бремя поддержки той полосы передачи данных, которая обеспечивала бы показ потокового видео по требованию.
Притом, что такая CDN – это полнофункциональный продукт, мы не хотели чрезмерно замыкаться на конкретном производителе и поэтому решили внести в нашу потоковую платформу некоторые улучшения, тем самым расширив спектр предлагаемых на ней услуг и творчески подойти к реализации протоколов потокового видео.
Меня зовут Оля, я разработчик в Yandex Infrastructure и я делаю веб‑плеер — библиотеку для воспроизведения видео на разных сервисах Яндекса (например, на Кинопоиске, Диске, Практикуме и Погоде).
Эта история о том, как мы отказались от опенсорс‑решения для воспроизведения потокового видео и написали свой велосипед. Я расскажу об архитектуре нашего решения и о том, с чем мы столкнулись, когда воплощали его в жизнь. Также покажу, какие эксперименты мы проводили и на какие метрики ориентировались.
Преодоление языковых барьеров с помощью ИИ
В современном мире видеоконтент стал одним из самых мощных инструментов для обмена информацией, обучения и развлечения. Однако для того, чтобы ваш видеоконтент мог достичь максимальной аудитории по всему миру, необходимо преодолеть языковые барьеры. Именно здесь на помощь приходит MerlinClone - сервис, основанный на ии, который позволяет локализовать ваши видео на практически любой язык мира.
Съемки для стартапа. Зачем они нужны небольшим проектам и малому бизнесу? Что происходит закулисами и с какими сложностями вы можете столкнуться? Реально ли организовать съемку на 10 человек, без оборудования, профильных людей и с малым бюджетом? Наш опыт.
В первой части, я познакомил вас с новым подходом, использующим матрицы вращений для генерации видео моделями text-2-image.
Во второй части двигаемся к решению задачи на основе машинного обучения через:
- формализацию функции потерь;
- построение базовой модели Splitter, по сути, обучаемой матрицы вращений;
- построение алгоритма обучения на векторизованном датасете из 200-500 роликов.
И посмотрим первые результаты.
